全文获取类型
收费全文 | 310篇 |
免费 | 22篇 |
国内免费 | 20篇 |
专业分类
电工技术 | 30篇 |
综合类 | 12篇 |
化学工业 | 10篇 |
金属工艺 | 3篇 |
机械仪表 | 9篇 |
建筑科学 | 11篇 |
矿业工程 | 7篇 |
能源动力 | 12篇 |
轻工业 | 48篇 |
水利工程 | 13篇 |
石油天然气 | 1篇 |
无线电 | 8篇 |
一般工业技术 | 7篇 |
冶金工业 | 11篇 |
自动化技术 | 170篇 |
出版年
2024年 | 1篇 |
2023年 | 7篇 |
2022年 | 5篇 |
2021年 | 5篇 |
2020年 | 14篇 |
2019年 | 9篇 |
2018年 | 16篇 |
2017年 | 5篇 |
2016年 | 3篇 |
2015年 | 7篇 |
2014年 | 11篇 |
2013年 | 9篇 |
2012年 | 20篇 |
2011年 | 15篇 |
2010年 | 13篇 |
2009年 | 18篇 |
2008年 | 25篇 |
2007年 | 44篇 |
2006年 | 26篇 |
2005年 | 22篇 |
2004年 | 16篇 |
2003年 | 15篇 |
2002年 | 6篇 |
2001年 | 4篇 |
2000年 | 13篇 |
1999年 | 7篇 |
1998年 | 4篇 |
1997年 | 1篇 |
1996年 | 3篇 |
1993年 | 2篇 |
1992年 | 2篇 |
1991年 | 1篇 |
1990年 | 1篇 |
1987年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有352条查询结果,搜索用时 234 毫秒
1.
建47井水力可控钻塞设计方案的讨论 总被引:2,自引:1,他引:1
建 47井经酸化处理后有望获得较高工业开采价值 ,但必须钻开为满足试气和关井的需要而在井深 3 5 8 91m处预留有厚约 69m的水泥塞。为了安全、顺利地钻开水泥塞 ,设计了水力可控钻塞装置。该装置设计方案满足 3项技术要求 :( 1 )安装采气井口 ,在可控状态下安全完成钻塞、测气求产过程 ;( 2 )有足够的循环通道 ,保证钻屑随动力液顺利返至地面 ;( 3 )有防转机构 ,阻止螺杆钻的反转扭矩造成管柱脱扣。详细阐述了该装置的结构、原理及施工步骤 ,对管材和管柱长度、地面驱动压力等主要设计参数及防转机构设计等做了说明 相似文献
2.
3.
为了实现复杂网络社团发现算法的复杂度和精确度间的均衡,提出一种基于聚类粒化的社团发现算法(CGCDA),将网络粒化获得的粒子视为一个社团,粒化结果即为对网络的社团划分。首先,将网络中的每个节点视为基本粒,通过初始粒化操作实现对网络的粒化;然后,针对获得的粒化集合中满足粒化系数的粒子进行聚类粒化操作,分层粒化直到不存在满足要求的粒子对;最后,将粒子对中的重叠节点视为孤立点,用邻居节点投票法把孤立节点归并到相应的粒子中,实现对复杂网络的社团划分。实验实现了Newman快速算法(NFA)、标号传播算法(LPA)和CGCDA。实验结果表明,CGCDA在四个基准数据集上可获得平均高于LPA 7.6%的模块度和低于NFA 96%的时间。CGCDA时间复杂度较低,获取的社团模块度较高,实现了社团发现时间和精确度的均衡,相比NFA、LPA总体性能更优。 相似文献
4.
5.
6.
7.
数据挖掘技术在保险客户信用评估的应用 总被引:2,自引:2,他引:0
目前,数据挖掘技术广泛应用于各个领域中.文中将数据挖掘应用于保险客户在信用等级的分类中,即采用了基于神经网络的覆盖算法作为客户信用评分分类器的设计算法.通过对保险数据的分析,对保险用户信用等级进行分类,降低了人为因素的评价干扰.通过分类实验表明,覆盖算法的准确性和网络训练速度都大大高于SVM.为保险公司有针对性的调查提供了一定的参考依据. 相似文献
8.
9.
一种构造性的概率决策自组织分类器 总被引:1,自引:0,他引:1
从输入的原始信息得到特征通常需要复杂的非线性运算,直接找到这种算法是很困难的。而M-P神经元模型的几何意义指出:构造一个网络,使对给定的样本集能进行符合要求的分类,等价于求出一组领域,对给定样本集中的点,能按分类的要求用领域覆盖将它们分隔开来。但是,在实际的大规模应用中,如时间序列预测的典型问题—股票预测,其给定的样本集中可能含有异动点,会引起错误的学习结果,因此,有必要引入自组织和概率决策化方法,提高分类的正确性,同时还可降低神经网络的结构规模,提高识别的速度。作者给出一种构造性的概率决策自组织分类器SPDC(A Self-adjusting and Probabilistic Decision-making Classifier),重点讨论了在覆盖算法中引入自组织和概率决策化方法。 相似文献
10.